Governança de Inteligência Artificial nas Organizações Brasileiras: uma Análise à Luz do Pl 2.338/2023

Aline Fernanda de Oliveira; Julia Pinto Komka

DOI: 10.22167/2675-6528-202602618

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A crescente adoção da inteligência artificial (IA) nas organizações intensificou a necessidade de compreender se sua incorporação foi acompanhada por mecanismos de governança, gestão de riscos e preparação regulatória compatíveis com os desafios da tecnologia e as exigências do Projeto de Lei nº 2.338/2023. Analisou-se o grau de percepção, preparo e engajamento das organizações brasileiras em relação à governança da IA, à luz da proposta regulatória nacional. A pesquisa caracterizou-se como aplicada e descritiva, com abordagem quantitativa e qualitativa, utilizando delineamento documental e de levantamento de campo (survey). Aplicou-se um questionário estruturado a 58 respondentes, e os dados foram submetidos à análise estatística descritiva e de conteúdo, complementadas pela análise de documentos legais e referenciais sobre governança de IA. Os resultados indicaram que 79,3% dos participantes atuaram em organizações que utilizavam IA, com a adoção concentrada em estágios intermediários de maturidade. Observou-se reconhecimento relevante dos riscos associados à IA, especialmente em privacidade, proteção de dados e supervisão humana, mas a implementação de mecanismos formais de governança permaneceu limitada. Em relação à preparação regulatória, 48,3% não souberam informar sobre planos de adaptação ao PL nº 2.338/2023, e apenas 15,5% indicaram iniciativas estruturadas. O estudo evidenciou a necessidade de fortalecer processos, gestão de riscos, capacitação e acompanhamento regulatório para alinhar a adoção da IA a estruturas mais maduras de governança e conformidade.

Palavras-chave: compliance; ética; gestão de riscos; supervisão humana; transformação digital.

1. Introdução

A crescente adoção de sistemas de inteligência artificial (IA) nas organizações tem intensificado debates sobre seus impactos éticos, sociais e jurídicos. Quando utilizada de forma estratégica, a IA pode gerar vantagens competitivas, ao aprimorar processos, otimizar decisões e criar valor sustentável (Fernandes et al., 2025). Paralelamente, essas tecnologias transformam as dinâmicas de trabalho e exigem novas habilidades profissionais, demandando adaptação contínua e protagonismo dos indivíduos nos processos produtivos (Gabriel, 2025). Desse modo, a IA ultrapassa o papel de ferramenta tecnológica, reconfigurando estruturas produtivas e humanas nas empresas.

Os sistemas de IA são definidos como tecnologias autônomas que processam dados e geram resultados com impacto em contextos virtuais ou reais (Brasil, 2024). Na prática, a IA baseia-se em técnicas de aprendizado de máquina, como as redes neurais profundas, que identificam padrões em grandes volumes de dados para gerar previsões e decisões, sem reproduzir o raciocínio humano (Silva et al., 2023).

Nos últimos anos, as discussões sobre os limites éticos da IA se intensificaram em razão de impactos negativos associados a vieses algorítmicos em sistemas utilizados por organizações públicas e privadas (Silva et al., 2023). Essas controvérsias ampliam a percepção de que o avanço tecnológico deve estar acompanhado de mecanismos de controle e de salvaguarda de direitos fundamentais. Embora a IA traga ganhos de eficiência e inovação, também introduz riscos significativos, como vieses algorítmicos, decisões automatizadas pouco claras e potenciais violações de direitos fundamentais. Esses desafios demandam estruturas sólidas de governança e conformidade que assegurem o uso ético e responsável dessas tecnologias (Brasil, 2024).

Diante dos riscos associados ao uso de sistemas algorítmicos, destaca-se a necessidade de estruturas de governança orientadas à gestão de riscos, capazes de mitigar impactos, assegurar transparência e promover a responsabilização dos agentes envolvidos ao longo do ciclo de vida das decisões automatizadas (Koene et al., 2019). Nesse sentido, Amorim e Silva (2025) compreendem a governança da IA também como uma estratégia de coordenação entre diferentes agentes, diante do caráter transversal da tecnologia. Para Silva et al. (2023), a governança tecnológica constitui uma camada intermediária entre a ética e o direito, permitindo respostas mais ágeis do que a regulação jurídica, por meio da definição de políticas, padrões e procedimentos orientadores do uso responsável das tecnologias da informação. A governança atua como ponte entre os princípios éticos e a aplicação normativa, oferecendo instrumentos de controle adaptáveis à velocidade da inovação tecnológica.

No Brasil, o Projeto de Lei nº 2.338/2023 estabelece normas gerais para a governança responsável de sistemas de IA, com foco na centralidade da pessoa humana e na proteção dos direitos fundamentais. O texto propõe princípios de transparência, diligência devida, prestação de contas, prevenção e mitigação de riscos (Brasil, 2023). A proposta legislativa foi elaborada com base em referenciais internacionais, adotando parte das diretrizes do Artificial Intelligence Act da União Europeia, sobretudo na abordagem de riscos e na previsão de mecanismos de governança e de avaliação de impacto algorítmico (Brasil, 2024). A proposta legislativa também introduz a obrigatoriedade de avaliação preliminar e de impacto algorítmico, reforçando a necessidade de identificar, avaliar e mitigar riscos decorrentes do uso da IA (Brasil, 2023).

O Projeto de Lei nº 2.338/2023 destaca a importância da supervisão humana nos sistemas de IA de alto risco, assegurando que as decisões automatizadas permaneçam sob controle humano e que eventuais riscos ou impactos sobre direitos sejam identificados e mitigados (Brasil, 2023). Esse princípio reforça a necessidade de que a tecnologia permaneça subordinada à capacidade crítica e à intervenção humana, consolidando a centralidade da pessoa como valor estruturante da futura regulação. No contexto desta pesquisa, o engajamento das empresas é compreendido como o grau de comprometimento institucional, operacional, cultural e regulatório na adoção de práticas de governança e conformidade em IA, abrangendo o envolvimento da alta administração e das áreas de compliance, riscos e tecnologia (Brasil, 2023).

A governança digital abrange um escopo mais amplo que o compliance, ao envolver dimensões éticas, sociais e tecnológicas que influenciam a atuação das organizações em um contexto de transformação digital contínua (Silva et al., 2023). Compreender essa interdependência entre governança, compliance e inovação é essencial para avaliar como as empresas se preparam para atender às futuras exigências legais e éticas associadas ao uso da IA. Diante desse cenário de rápida evolução tecnológica e regulatória, torna-se crucial analisar a capacidade das organizações brasileiras de alinhar a adoção da inteligência artificial com estruturas robustas de governança e conformidade. Este trabalho teve como objetivo analisar o grau de percepção, preparo e engajamento das organizações em relação à governança da inteligência artificial, à luz da proposta regulatória do Projeto de Lei nº 2.338/2023.

2. Material e Métodos

A presente pesquisa caracterizou-se como aplicada, buscando gerar conhecimento para a solução de problemas práticos e aprimorar a governança e o compliance em IA no ambiente corporativo (Bigaton et al., 2024). Adicionalmente, foi de natureza descritiva, com o propósito de identificar e detalhar comportamentos, percepções e práticas observadas nas organizações. Essa abordagem permitiu retratar a realidade diante do avanço regulatório do Projeto de Lei nº 2.338/2023, sem interferência nos fenômenos estudados (Gil, 2008).

Adotou-se uma abordagem metodológica mista, combinando elementos quantitativos e qualitativos, conforme preconizado por Bigaton et al. (2024). A vertente quantitativa foi empregada para mensurar o grau de percepção, preparo e engajamento das empresas em relação à governança de IA, utilizando dados de um questionário estruturado. A dimensão qualitativa, por sua vez, focou na análise documental e na interpretação de dispositivos legais e referenciais teóricos, aprofundando a compreensão do fenômeno.

O delineamento da pesquisa compreendeu estudos documental e de levantamento de campo (survey). A pesquisa documental envolveu a análise de materiais que não haviam recebido tratamento analítico prévio, como leis, regulamentos e documentos institucionais (Bigaton et al., 2024). O objeto empírico do estudo foi a percepção, o preparo e o engajamento de organizações brasileiras em relação à governança da inteligência artificial.

A etapa documental abrangeu a leitura e interpretação do Projeto de Lei nº 2.338/2023 e do Substitutivo da ANPD (2024). Esses documentos foram complementados por referenciais internacionais sobre governança de sistemas algorítmicos, com destaque para Koene et al. (2019), que abordam transparência, responsabilização, gestão de riscos e supervisão. O objetivo foi identificar os princípios e mecanismos legais que orientam a conformidade e a supervisão humana no uso de sistemas de IA.

O levantamento de campo (survey) foi realizado por meio de um questionário estruturado, desenvolvido especificamente para esta pesquisa pela autora. O instrumento não foi reproduzido ou adaptado de outros, mas fundamentado no referencial teórico e normativo do estudo, incluindo o Projeto de Lei nº 2.338/2023, o Substitutivo da ANPD (2024), e as contribuições de Silva et al. (2023), Fernandes et al. (2025) e Gabriel (2025).

O questionário estruturado, composto por 30 perguntas e o Termo de Consentimento Livre e Esclarecido (TCLE), abrangeu cinco blocos temáticos. Estes incluíram o perfil do respondente, o estágio de adoção da IA, a percepção de riscos e governança, a conformidade e preparação para o PL nº 2.338/2023, e o engajamento e cultura organizacional, além de uma questão aberta. Antes da aplicação definitiva, o questionário foi submetido a um teste piloto para verificar clareza e compreensão.

Os participantes da pesquisa foram profissionais de diversas formações e setores de atuação, com preferência por aqueles que possuíam interface com governança, riscos, compliance, inovação, tecnologia ou gestão corporativa. A coleta de dados ocorreu de forma online, entre dezembro de 2025 e março de 2026. Ao final do período, foram obtidas 58 respostas válidas, número que se enquadrou na estimativa inicial de 50 a 80 respostas, definida por critério exploratório e viabilidade.

Para garantir a ética na pesquisa, aplicou-se o Termo de Consentimento Livre e Esclarecido (TCLE) a todos os participantes. As respostas foram coletadas de forma anônima e confidencial, sendo utilizadas exclusivamente para fins acadêmicos. Nenhuma informação permitiu identificar o participante ou a organização, assegurando a voluntariedade e a possibilidade de interrupção da participação a qualquer momento, sem necessidade de justificativa.

Os dados quantitativos coletados por meio do questionário foram submetidos à análise estatística descritiva, conforme as orientações de Bigaton et al. (2024). Essa técnica foi empregada para identificar padrões, frequências e possíveis cruzamentos entre variáveis, permitindo a interpretação do grau de engajamento das empresas e sua relação com os princípios da proposta regulatória de IA.

De forma complementar, realizou-se uma análise de conteúdo das respostas abertas, seguindo a metodologia de Bardin (2011). Essa técnica permitiu a exploração do material e a identificação de categorias recorrentes, extraindo significados e interpretações qualitativas relevantes do discurso dos participantes. Os resultados quantitativos e qualitativos foram integrados e confrontados com o referencial teórico e legal do estudo.

Durante a elaboração do trabalho, utilizou-se o ChatGPT (OpenAI) como ferramenta de apoio. Sua aplicação limitou-se a funções de formatação, correção ortográfica e gramatical, auxílio em paráfrases e tradução do resumo. Todo o conteúdo foi revisado e adaptado pela autora, que assumiu a responsabilidade integral pelo trabalho final.

3. Resultados e Discussão

A análise dos dados coletados revelou um panorama complexo sobre a governança da inteligência artificial nas organizações brasileiras, indicando que, embora a adoção da IA seja uma realidade consolidada, a estruturação de mecanismos de governança, gestão de riscos e preparação regulatória ainda se encontra em estágios iniciais. Os achados evidenciam um descompasso entre o avanço tecnológico e a formalização das práticas de controle, o que pode comprometer a conformidade com as futuras exigências do Projeto de Lei nº 2.338/2023. A pesquisa buscou analisar o grau de percepção, preparo e engajamento das organizações em relação à governança da IA, à luz da proposta regulatória nacional, e os resultados obtidos fornecem subsídios importantes para essa compreensão.

Perfil da amostra e caracterização inicial

A amostra do estudo foi composta por 58 respondentes, com uma predominância do gênero feminino, representando 74,1% do total, e uma concentração geográfica significativa na região Sudeste, com 70,7% dos participantes. As regiões Sul e Norte apresentaram menor representatividade, com 12,1% e 10,3%, respectivamente. Essa distribuição regional concentrada sugere uma limitação na generalização dos resultados para outras áreas do país, embora o perfil dos respondentes tenha sido diversificado em termos de experiência e setor de atuação.

Quanto ao tempo de experiência profissional, observou-se uma predominância de níveis intermediários e elevados, com 27,6% dos respondentes na faixa de 11 a 20 anos, 24,1% entre 3 e 5 anos, e 19,0% entre 6 e 10 anos. As faixas de menor e maior experiência, com até 2 anos e mais de 20 anos, representaram 13,8% e 15,5%, respectivamente. Esse perfil indica que a amostra é majoritariamente composta por profissionais com experiência relevante no ambiente organizacional, o que fortalece a consistência das percepções sobre o tema da pesquisa.

A diversidade setorial foi notável, com a categoria “outro” respondendo por 22,4% da amostra, e setores como indústria, saúde, serviços não financeiros e tecnologia e inovação, cada um com 12,1% de participação. Os serviços financeiros representaram 10,3% dos respondentes. Essa heterogeneidade setorial é relevante, pois diferentes segmentos podem apresentar níveis distintos de maturidade regulatória e exposição a riscos, influenciando a forma como a IA é adotada e gerenciada, conforme apontado por Silva et al. (2023).

No que tange ao perfil profissional, as posições técnicas ou especializadas foram predominantes, com 58,6% dos respondentes, seguidas por cargos de liderança, que representaram 34,5%. Essa composição indica um público com capacidade analítica e potencial envolvimento em decisões organizacionais. As áreas de atuação mais representadas foram Jurídico (25,9%) e Compliance/Governança (22,4%), seguidas por Tecnologia da Informação/Dados (15,5%) e Gestão de Riscos/Controles Internos (12,1%).

A presença significativa de profissionais das áreas de Jurídico, Compliance e Governança na amostra é coerente com o objetivo da pesquisa, uma vez que esses respondentes tendem a possuir maior familiaridade com práticas de controle, conformidade e gestão de riscos, especialmente no contexto da IA. Contudo, essa predominância também pode influenciar os resultados, elevando a percepção de maturidade ou criticidade em relação ao tema, o que deve ser considerado na interpretação dos achados.

Adoção de inteligência artificial nas organizações

Os resultados indicaram que a inteligência artificial já é uma realidade na maioria das organizações analisadas, com 79,3% dos respondentes afirmando sua utilização, enquanto 19,0% ainda não a adotaram. Esse dado sublinha a consolidação da IA como uma ferramenta relevante no ambiente corporativo, reforçando a tendência de adoção crescente de tecnologias baseadas em IA em contextos de transformação digital, como discutido por Gabriel (2025), embora a sua incorporação não seja homogênea entre as diferentes organizações.

Em relação ao estágio de adoção da IA, observou-se uma concentração em níveis intermediários de maturidade. Verificou-se que 43,1% das organizações estão em estágio parcialmente implementado, e 32,8% encontram-se em fase experimental ou piloto. Apenas 15,5% dos respondentes indicaram um uso amplo e integrado da IA aos processos organizacionais. Esse cenário sugere que, embora a tecnologia esteja presente, sua incorporação estratégica e plena ainda está em processo de evolução, demandando maior formalização e integração.

No que diz respeito às diretrizes internas para o uso ético da IA, 43,1% das organizações afirmaram possuir políticas ou diretrizes relacionadas, enquanto 32,8% indicaram adoção parcial e 19,0% apontaram inexistência. Adicionalmente, 5,2% dos respondentes não souberam avaliar a existência dessas diretrizes. Essa distribuição de respostas sugere que a formalização de políticas internas está, em grande parte, alinhada à adoção de orientações de governança, mas em diferentes níveis de maturidade, com lacunas significativas em algumas organizações.

A validação humana das decisões automatizadas foi um ponto relevante. Constatou-se que 43,1% dos respondentes indicaram que ela ocorre sempre, e 22,4% afirmaram que ocorre frequentemente. No entanto, 17,2% dos participantes não souberam avaliar essa prática, o que pode indicar uma ausência de clareza ou de comunicação interna sobre esses processos. Esse percentual de “não sei avaliar” sugere possíveis lacunas de transparência ou de formalização dos mecanismos de supervisão humana, um dos pilares da governança de IA.

Esses achados corroboram a literatura que aponta que a adoção de sistemas de IA tende a ocorrer de forma mais acelerada do que a implementação de estruturas de governança e controle (Silva et al., 2023). O Projeto de Lei nº 2.338/2023 estabelece a necessidade de supervisão humana e de mecanismos de governança ao longo do ciclo de vida da IA (Brasil, 2023), o que evidencia que a ausência dessas práticas pode representar riscos de não conformidade futura. O descompasso entre o avanço tecnológico e a formalização das práticas de governança pode comprometer a aderência às exigências regulatórias emergentes.

Percepção de riscos e mecanismos de governança

A análise do nível de preocupação organizacional em relação aos riscos associados à IA revelou uma atenção prioritária a aspectos diretamente relacionados à proteção de dados. A privacidade e proteção de dados foram indicadas com o nível máximo de preocupação (nível 5 em escala Likert) por 56,9% dos respondentes, evidenciando uma elevada sensibilidade ao tema. Esse achado reflete a crescente importância atribuída à segurança das informações em um cenário de uso intensivo de tecnologias digitais.

Outro fator de preocupação relevante foi a supervisão humana nas decisões de IA, com 56,9% dos respondentes indicando níveis elevados de preocupação (níveis 4 e 5 na escala Likert). Em contraste, o risco de vieses algorítmicos apresentou uma concentração maior em níveis intermediários, com 39,7% das respostas no nível 3. Esse resultado sugere que riscos mais diretamente associados à regulação e à responsabilização, como privacidade e supervisão humana, são mais reconhecidos pelas organizações do que riscos de natureza técnica, como os vieses algorítmicos, que ainda apresentam menor maturidade de compreensão.

No que se refere aos mecanismos de governança, apenas 36,2% dos respondentes afirmaram a existência de uma área responsável pela supervisão do uso de IA. Uma parcela significativa, 29,3%, indicou a inexistência dessa área, e 25,9% apontou adoção parcial. Esse resultado evidencia que a definição de responsabilidades ainda não está plenamente institucionalizada nas organizações, sugerindo que a governança de IA não está integrada de forma estruturada à governança corporativa tradicional, permanecendo, em muitos casos, dispersa entre áreas ou inexistente.

Em relação à avaliação formal de riscos, apenas 25,9% dos respondentes afirmaram realizar esse tipo de prática, enquanto 27,6% indicaram inexistência e 24,1% não souberam avaliar. Esse cenário pode refletir tanto a ausência de processos estruturados quanto a baixa visibilidade interna sobre mecanismos existentes, reforçando um desalinhamento entre a percepção dos riscos e a capacidade organizacional de estruturar mecanismos efetivos de governança e controle. Essa lacuna compromete a efetividade dos programas de compliance e gestão de riscos aplicados à IA.

Quanto à existência de mecanismos de correção ou suspensão de sistemas em caso de falhas, 32,8% dos respondentes indicaram a presença desses mecanismos, enquanto 27,6% apontaram adoção parcial e 24,1% não souberam avaliar. A ausência ou o desconhecimento desses mecanismos pode representar um risco relevante, especialmente em cenários de falhas sistêmicas ou decisões automatizadas com impacto significativo. Esses achados estão alinhados com a literatura que aponta que a governança de sistemas algorítmicos depende de mecanismos estruturados de responsabilização, transparência e acompanhamento (Koene et al., 2019).

Conformidade e preparação para o PL nº 2.338/2023

Os resultados indicaram que a maturidade regulatória das organizações ainda se encontra em desenvolvimento, especialmente no que se refere ao acompanhamento de iniciativas relacionadas à IA. Observou-se que 39,7% dos respondentes não souberam avaliar se suas organizações acompanham as discussões sobre o Projeto de Lei nº 2.338/2023, enquanto 24,1% afirmaram que não realizam esse acompanhamento. Esses dados revelam níveis relevantes de desconhecimento ou ausência de monitoramento estruturado, o que pode comprometer a capacidade de antecipação regulatória.

Em relação à preparação para a eventual entrada em vigor da regulação, caso o Projeto de Lei nº 2.338/2023 seja aprovado, os dados reforçam um cenário de baixa maturidade. Verificou-se que 48,3% dos respondentes não souberam informar sobre a existência de planos de adaptação, e apenas 15,5% afirmaram que suas organizações possuem iniciativas estruturadas nesse sentido. Esse resultado evidencia que o tema ainda não foi incorporado de forma sistemática à agenda organizacional, indicando uma postura predominantemente reativa das organizações, em contraste com boas práticas de compliance que recomendam abordagem preventiva e antecipatória.

No que se refere à capacitação interna sobre ética e governança de IA, observou-se uma distribuição relativamente equilibrada entre organizações que não possuem treinamentos (36,2%), aquelas que afirmam possuir (34,5%) e aquelas que indicam implementação parcial (27,6%). Esse resultado sugere que, embora o tema já esteja presente em algumas iniciativas, ainda não há consolidação de programas estruturados de desenvolvimento de competências. A ausência de capacitação estruturada pode limitar a efetividade das políticas e mecanismos de governança, uma vez que a compreensão dos princípios depende do desenvolvimento de competências organizacionais.

A percepção geral sobre o nível de preparo organizacional reforça esse diagnóstico. A maior parte dos respondentes classificou o preparo como médio (36,2%) ou baixo (32,8%), enquanto apenas 20,7% indicaram alto nível de preparação. Esse cenário evidencia que a maioria das organizações ainda não se considera plenamente apta a atender às exigências da futura regulação. Esses achados demonstram um distanciamento relevante entre as práticas organizacionais atuais e os princípios estabelecidos pelo Projeto de Lei nº 2.338/2023, que prevê diretrizes como transparência, diligência devida, prestação de contas, mitigação de riscos e supervisão humana ao longo do ciclo de vida da IA (Brasil, 2023).

Sob essa perspectiva, a ausência de monitoramento regulatório, de planejamento estruturado e de capacitação contínua pode comprometer a capacidade das organizações de se adequarem às exigências normativas. A literatura aponta que a incorporação de práticas de governança e a preparação para exigências regulatórias são fatores relevantes para a redução de riscos e para a sustentabilidade do uso de tecnologias emergentes (Fernandes et al., 2025). A baixa maturidade observada sugere que muitas organizações ainda operam de forma reativa, aumentando a vulnerabilidade diante de exigências legais futuras.

Engajamento e cultura organizacional

A análise do engajamento e da cultura organizacional em relação à IA indicou um nível intermediário de maturidade, refletido na predominância de percepções de engajamento em nível médio entre os colaboradores. Esse cenário sugere uma incorporação ainda gradual das práticas de governança de IA no ambiente organizacional. A efetividade da governança da IA depende da articulação entre liderança, capacitação e institucionalização de práticas, conforme destacado por Silva et al. (2023).

No que se refere ao tratamento interdisciplinar do tema, observou-se que a IA é abordada de forma integrada entre áreas como negócio, riscos e tecnologia em parte relevante das organizações, sendo classificada como frequente por 34,5% dos respondentes e sempre por 17,2%. Por outro lado, uma parcela expressiva indicou que essa integração ocorre apenas ocasionalmente ou de forma limitada, com 22,4% apontando que isso ocorre às vezes e 24,1% indicando baixa recorrência (raramente ou nunca). Isso sugere que a integração entre áreas ainda não está plenamente consolidada, e a governança de IA enfrenta desafios de transversalidade organizacional, sendo muitas vezes tratada de forma fragmentada.

A percepção sobre o papel da alta administração é majoritariamente positiva, com 55,2% dos respondentes indicando que há incentivo institucional para a adoção ética e responsável da IA, e 25,9% apontando incentivo parcial. Esse resultado demonstra que o tema já se encontra presente na agenda estratégica de parte relevante das organizações, ainda que em diferentes níveis de maturidade. O incentivo da alta administração, embora relevante, não é suficiente para garantir a efetiva internalização das práticas de governança.

Apesar do incentivo institucional, o engajamento dos colaboradores não se reflete na mesma proporção. A maioria dos respondentes classificou esse engajamento como médio (60,3%), enquanto 22,4% indicaram alto nível de engajamento. Essa diferença evidencia que a internalização das práticas de governança de IA ainda não se encontra plenamente difundida entre os níveis operacionais. A dificuldade de converter estratégia em execução prática se apresenta como um dos principais desafios para a implementação de práticas de governança, especialmente em cenários de transformação digital.

Esse descompasso entre direcionamento estratégico e engajamento organizacional pode ser interpretado à luz da literatura sobre transformação digital, que aponta que a adoção de novas tecnologias exige não apenas investimentos técnicos, mas também o desenvolvimento de competências, cultura organizacional e processos de aprendizagem contínua (Gabriel, 2025). O Projeto de Lei nº 2.338/2023 estabelece diretrizes como transparência, responsabilidade e supervisão humana, cuja efetividade está relacionada à capacidade das organizações de internalizar esses princípios, o que pressupõe não apenas estruturas formais, mas também engajamento cultural e alinhamento organizacional (Brasil, 2023).

Desafios e análise qualitativa

A análise dos desafios relacionados à implementação de práticas de governança de IA evidenciou que as principais barreiras enfrentadas pelas organizações estão associadas a fatores estruturais e organizacionais, mais do que a limitações tecnológicas propriamente ditas. Os respondentes apontaram a falta de conhecimento técnico como o maior desafio, com 39 menções, seguida pela ausência de normas específicas, com 27 menções. As limitações orçamentárias foram citadas por 19 respondentes, e a falta de apoio da liderança por 15, além de outras dificuldades em menor proporção.

Esse resultado reforça que os principais desafios não estão relacionados à tecnologia em si, mas à capacidade organizacional de estruturar e operacionalizar modelos de governança. Em complemento, a análise das respostas à questão aberta sobre medidas para o fortalecimento da governança e do compliance em IA revelou coerência entre os desafios identificados e as soluções propostas. As manifestações indicaram como principais ações a realização de treinamentos, com 25 menções, a definição de políticas e procedimentos, com 14 menções, e o fortalecimento da gestão de riscos, com 10 menções.

Outras iniciativas sugeridas pelos respondentes incluíram a promoção da transparência, segurança e aprimoramento regulatório. A correspondência entre desafios e soluções evidencia uma maturidade na percepção dos respondentes quanto às necessidades organizacionais. A análise qualitativa das respostas abertas, conduzida com base na técnica de análise de conteúdo (Bardin, 2011), permitiu identificar categorias recorrentes que aprofundam esses achados, destacando a necessidade de maior clareza regulatória, capacitação interna, definição de responsabilidades e fortalecimento de mecanismos de controle e monitoramento.

Amorim e Silva (2025) destacam que a governança da IA não se limita à adoção de diretrizes normativas, exigindo também mecanismos de avaliação, supervisão contínua e adaptação institucional. Esses resultados estão alinhados com a literatura que aponta que a governança da IA depende da integração entre aspectos técnicos, organizacionais e normativos, sendo fundamental a definição de políticas, processos e responsabilidades ao longo do ciclo de vida dos sistemas de IA (Silva et al., 2023). O Projeto de Lei nº 2.338/2023 enfatiza a necessidade de avaliação de riscos, transparência, prestação de contas e supervisão humana, elementos diretamente refletidos tanto nos desafios quanto nas soluções apontadas pelos respondentes.

De modo geral, os desafios identificados não se concentram predominantemente em limitações tecnológicas, mas sim na capacidade das organizações de estruturar modelos de governança que assegurem seu uso responsável e em conformidade com princípios éticos e regulatórios. Esse resultado confirma que a governança de IA é, em grande medida, um desafio organizacional e institucional, e não apenas tecnológico. As barreiras à governança da IA estão diretamente relacionadas à ausência de capacitação, diretrizes claras e estruturação organizacional, sendo coerentes com as medidas sugeridas pelos respondentes, que apontam para a necessidade de desenvolvimento de competências, formalização de políticas e fortalecimento da gestão de riscos. A superação desses desafios depende de uma abordagem integrada, envolvendo liderança, cultura organizacional, capacitação e alinhamento regulatório.

Em síntese, os resultados da pesquisa indicam que, embora a inteligência artificial esteja amplamente presente nas organizações brasileiras, a maturidade da governança e conformidade ainda é intermediária. Observou-se um reconhecimento relevante dos riscos associados à IA, especialmente em privacidade, proteção de dados e supervisão humana, mas a implementação de mecanismos formais de governança e a preparação regulatória para o Projeto de Lei nº 2.338/2023 permanecem limitadas. O estudo evidenciou a necessidade de fortalecer processos, gestão de riscos, capacitação e acompanhamento regulatório para alinhar a adoção da IA a estruturas mais maduras de governança e conformidade, respondendo ao objetivo de analisar a percepção, preparo e engajamento das organizações brasileiras.

4. Conclusão

O presente estudo buscou analisar o grau de percepção, preparo e engajamento das organizações brasileiras em relação à governança da inteligência artificial, à luz da proposta regulatória do Projeto de Lei nº 2.338/2023. Verificou-se que a inteligência artificial já se encontra amplamente utilizada nas organizações, com a maioria dos respondentes indicando sua adoção. Contudo, observou-se que essa incorporação se concentra em estágios intermediários de maturidade, sem a plena integração aos processos organizacionais. Identificou-se um reconhecimento significativo dos riscos associados à IA, especialmente no que tange à privacidade, proteção de dados e à necessidade de supervisão humana nas decisões automatizadas. No entanto, a implementação de mecanismos formais de governança, como áreas dedicadas à supervisão e avaliações estruturadas de riscos, permaneceu limitada. A preparação regulatória para o Projeto de Lei nº 2.338/2023 mostrou-se incipiente, com uma parcela considerável de respondentes desconhecendo planos de adaptação ou indicando iniciativas ainda não estruturadas. Esse cenário evidencia um descompasso entre o avanço da adoção tecnológica e a formalização das práticas de governança e conformidade.

A principal contribuição deste trabalho reside na apresentação de evidências empíricas sobre a maturidade da governança de IA nas organizações brasileiras, reforçando a relevância do tema para as agendas de compliance, ESG e preparação regulatória. Os achados indicam que a governança da inteligência artificial constitui um desafio predominantemente organizacional e institucional, dependendo da estruturação de processos, do desenvolvimento de competências e do alinhamento às futuras exigências regulatórias. Contudo, o estudo possui limitações, como a concentração regional da amostra na região Sudeste e a predominância de profissionais das áreas de Compliance, Jurídico e Governança, o que pode influenciar a percepção dos riscos e das práticas de controle. Além disso, a natureza não probabilística da amostra restringe a generalização dos resultados. Para estudos futuros, sugere-se investigar a efetividade de programas de capacitação e a implementação de políticas formais de governança, bem como explorar a percepção em outras regiões do país, a fim de aprofundar a compreensão sobre a adaptação das organizações à regulação da IA.

Referências Bibliográficas

AMORIM, A. B.; SILVA, R. C. 2025. Governança de IA no Brasil: proposta de modelo para equilíbrio tecnológico e econômico. Trabalho de Conclusão de Curso em Sistemas de Informação. Universidade Presbiteriana Mackenzie, São Paulo, SP, Brasil. Disponível em: https://dspace.mackenzie.br/items/d189236a-a06b-4840-9302-b023597ebe7b. Acesso em: 19 ago. 2026.

ANPD, 2024 [Referência completa não encontrada no documento original]

BARDIN, L. 2011. Análise de conteúdo. Edições 70, Lisboa, Portugal

BIGATON, A.; GOBBI, M.; OLIVEIRA, D.; GOMES, J. 2024. Metodologias de pesquisa. PECEGE/USP-Esalq, Piracicaba, SP, Brasil.

BRASIL. 2023. Projeto de Lei nº 2.338, de 2023: dispõe sobre o uso da Inteligência Artificial no Brasil e dá outras providências. Câmara dos Deputados, Brasília, DF, Brasil. Disponível em: https://www.camara.leg.br/. Acesso em: 1 out. 2025.

BRASIL. 2024. Versão final do Substitutivo ao Projeto de Lei nº 2.338/2023: propostas da Autoridade Nacional de Proteção de Dados (ANPD). Câmara dos Deputados, Comissão Especial sobre Inteligência Artificial no Brasil, Brasília, DF, Brasil. Disponível em: https://www.gov.br/anpd/pt-br/assuntos/noticias/anpd-apresenta-propostas-de-alteracao-do-substitutivo-ao-pl-2338-sobre-inteligencia-artificial/Versao_final_07.05.24_PL_2338_Substitutivo_Comissao_Especial_Propostas_ANPD1.pdf. Acesso em: 1 out. 2025.

FERNANDES, A. A.; COSTA, I.; ABREU, V. F. 2025. Governança da inteligência artificial: estrutura, desafios e práticas para organizações inovadoras. Brasport, São Paulo, SP, Brasil. E-book. Disponível em: https://plataforma.bvirtual.com.br. Acesso em: 20 set. 2025.

GABRIEL, M. 2025. A (r)evolução das habilidades para o futuro do trabalho na era da inteligência artificial. Editora Senac São Paulo, São Paulo, SP, Brasil.

GIL, A. C. 2008. Métodos e técnicas de pesquisa social. 6. ed. Atlas, São Paulo, SP, Brasil.

Koene, A.; Clifton, C.; Hatada, Y.; Webb, H.; Patel, M.; Machado, C.; LaViolette, J.; Richardson, R.; Reisman, D. 2019. A governance framework for algorithmic accountability and transparency. Disponível em: https://doi.org/10.2861/59990. Acesso em: 2 out. 2025.

SILVA, A. P.; COELHO, A. Z.; FEFERBAUM, M.; SILVEIRA, A. C. R. D. 2023. Ética, governança e inteligência artificial. Almedina, São Paulo, SP, Brasil.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Compliance e ESG do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy